CN111539611A - 一种装配调度方法、装置、设备及介质 - Google Patents

一种装配调度方法、装置、设备及介质 Download PDF

Info

Publication number
CN111539611A
CN111539611A CN202010305837.2A CN202010305837A CN111539611A CN 111539611 A CN111539611 A CN 111539611A CN 202010305837 A CN202010305837 A CN 202010305837A CN 111539611 A CN111539611 A CN 111539611A
Authority
CN
China
Prior art keywords
population
individuals
assembled
individual
current
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202010305837.2A
Other languages
English (en)
Inventor
钟臻怡
吕伟
杨家荣
陈伟伟
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Electric Group Corp
Original Assignee
Shanghai Electric Group Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shanghai Electric Group Corp filed Critical Shanghai Electric Group Corp
Priority to CN202010305837.2A priority Critical patent/CN111539611A/zh
Publication of CN111539611A publication Critical patent/CN111539611A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06316—Sequencing of tasks or work
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/004—Artificial life, i.e. computing arrangements simulating life
    • G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/04—Manufacturing
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • General Physics & Mathematics (AREA)
  • Economics (AREA)
  • General Business, Economics & Management (AREA)
  • General Health & Medical Sciences (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Health & Medical Sciences (AREA)
  • Tourism & Hospitality (AREA)
  • Biomedical Technology (AREA)
  • Data Mining & Analysis (AREA)
  • Development Economics (AREA)
  • Operations Research (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Educational Administration (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Quality & Reliability (AREA)
  • Evolutionary Computation (AREA)
  • Game Theory and Decision Science (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Manufacturing & Machinery (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种装配调度方法、装置、设备及介质，用以避免人工调度的调度错误，均衡各个装配线的负载能力，提高装配效率。所述装配调度方法，包括：基于预先获取的多个待装配订单，初始化得到初始种群个体；利用预设算法对所述初始种群个体进行多次迭代，产生后代种群个体，在每代种群个体中确定N个种群个体；针对历史迭代确定出的所有种群个体中目标值最小的目标种群个体，变换所述目标种群个体中任一待装配订单的位置，产生新的第一种群个体，若确定所述第一种群个体对应的目标值小于所述目标种群个体对应的目标值，将所述第一种群个体中多个待装配订单的顺序确定为所述多个待装配订单的装配顺序。

Description

一种装配调度方法、装置、设备及介质
技术领域
本发明涉及车间调度领域，尤其涉及一种装配调度方法、装置、设备及介质。
背景技术
电梯层站指示器装配车间具有订单形式多样化、小批量，物料种类繁多，物料切换次数多、备料时间长等特点，并且不同订单所需物料的到料时间和配料时间也均不相同，因此给现场调度人员增加了难度。
目前电梯层站指示器装配车间的装配调度工作主要通过人为主观的方式进行调度，随意性较强，没有固定的调度规则或方法，此种方式不但容易发生调度错误，而且无法均衡各个装配线的负载能力，导致装配的整体效率较低。
发明内容
本发明实施例提供一种装配调度方法、装置、设备及介质，用以避免人工调度的调度错误，均衡各个装配线的负载能力，提高装配效率。
第一方面，本发明实施例提供了一种装配调度方法，包括：
基于预先获取的多个待装配订单，初始化得到多个表征订单装配顺序的初始种群个体，每个初始种群个体对应多个待装配订单的一种排列组合；
利用预设算法对初始种群个体进行多次迭代，产生后代种群个体，在每代种群个体中确定N个种群个体，N个种群个体为每代种群个体中种群个体对应的目标值升序排列前N的种群个体，种群个体对应的目标值为依种群个体中待装配订单的排列顺序装配完成所有订单的时刻，N为自然数；
针对历史迭代确定出的所有种群个体中目标值最小的目标种群个体，变换目标种群个体中任一待装配订单的位置，产生新的第一种群个体，若确定第一种群个体对应的目标值小于目标种群个体对应的目标值，将第一种群个体中多个待装配订单的顺序确定为多个待装配订单的装配顺序。
在一种可能的实施方式中，本发明实施例提供的装配调度方法还包括：
若确定第一种群个体对应的目标值大于或等于目标种群个体对应的目标值，则循环执行如下步骤，直至确定当前第一种群个体对应的目标值小于当前目标种群个体对应的目标值，或者迭代次数大于或等于预设次数阈值：
变换当前第一种群个体中任一待装配订单的位置，生成当前第二种群个体；
若确定当前第二种群个体对应的目标值小于当前第一种群个体对应的目标值，将当前第二种群个体更新为第一种群个体，变换当前第一种群个体中任一待装配订单的位置，产生新的第二种群个体。
在一种可能的实施方式中，本发明实施例提供的装配调度方法还包括：
若确定当前第二种群个体对应的目标值小于当前目标种群个体对应的目标值，将当前第二种群个体中多个待装配订单的顺序确定为多个待装配订单的装配顺序。
在一种可能的实施方式中，本发明实施例提供的装配调度方法中，利用预设算法对初始种群个体进行多次迭代，产生后代种群个体，包括：
利用预设算法更新初始概率矩阵，并利用更新后的概率矩阵生成多个种群个体，将生成的多个种群个体作为当前次迭代的后代种群个体，其中，初始概率矩阵是基于初始种群个体确定的。
在一种可能的实施方式中，本发明实施例提供的装配调度方法中，种群个体对应的目标值采用如下公式确定：
T＝min(max(rs,aj+pj)+tjs)
其中，T为种群个体对应的目标值，min为求最小值函数，max为求最大值函数，rs为装配线s最早未占用时刻，aj为每个待装配订单所需物料的到达时刻，pj为每个待装配订单的配料时长，tjs为每个待装配订单的处理时长。
第二方面，本发明实施例提供一种装配调度装置，包括：
初始化单元，用于基于预先获取的多个待装配订单，初始化得到多个表征订单装配顺序的初始种群个体，每个初始种群个体对应多个待装配订单的一种排列组合；
采样单元，用于利用预设算法对初始种群个体进行多次迭代，产生后代种群个体，在每代种群个体中确定N个种群个体，N个种群个体为每代种群个体中种群个体对应的目标值升序排列前N的种群个体，种群个体对应的目标值为依种群个体中待装配订单的排列顺序装配完成所有订单的时刻，N为自然数；
处理单元，用于针对历史迭代确定出的所有种群个体中目标值最小的目标种群个体，变换目标种群个体中任一待装配订单的位置，产生新的第一种群个体，若确定第一种群个体对应的目标值小于目标种群个体对应的目标值，将第一种群个体中多个待装配订单的顺序确定为多个待装配订单的装配顺序。
在一种可能的实施方式中，本发明实施例提供的装配调度装置中，处理单元还用于：
若确定第一种群个体对应的目标值大于或等于目标种群个体对应的目标值，则循环执行如下步骤，直至确定当前第一种群个体对应的目标值小于当前目标种群个体对应的目标值，或者迭代次数大于或等于预设次数阈值：
变换当前第一种群个体中任一待装配订单的位置，生成当前第二种群个体；
若确定当前第二种群个体对应的目标值小于当前第一种群个体对应的目标值，将当前第二种群个体更新为第一种群个体，变换当前第一种群个体中任一待装配订单的位置，产生新的第二种群个体。
在一种可能的实施方式中，本发明实施例提供的装配调度装置中，处理单元还用于：
若确定当前第二种群个体对应的目标值小于当前目标种群个体对应的目标值，将当前第二种群个体中多个待装配订单的顺序确定为多个待装配订单的装配顺序。
在一种可能的实施方式中，本发明实施例提供的装配调度装置中，采样单元，具体用于：
利用预设算法更新初始概率矩阵，并利用更新后的概率矩阵生成多个种群个体，将生成的多个种群个体作为当前次迭代的后代种群个体，其中，初始概率矩阵是基于初始种群个体确定的。
在一种可能的实施方式中，本发明实施例提供的装配调度装置中，种群个体对应的目标值采用如下公式确定：
T＝min(max(rs,aj+pj)+tjs)
其中，T为种群个体对应的目标值，min为求最小值函数，max为求最大值函数，rs为装配线s最早未占用时刻，aj为每个待装配订单所需物料的到达时刻，pj为每个待装配订单的配料时长，tjs为每个待装配订单的处理时长。
第三方面，本发明实施例还提供了一种装配调度设备，包括：至少一个处理器、至少一个存储器以及存储在存储器中的计算机程序指令，当计算机程序指令被处理器执行时实现本发明实施例第一方面提供的装配调度方法。
第四方面，本发明实施例还提供了一种计算机存储介质，其上存储有计算机程序指令，当计算机程序指令被处理器执行时实现本发明实施例第一方面提供的装配调度方法。
本发明实施例的有益效果如下：
本发明实施例提供的装配调度方案，基于预先获取的多个待装配订单，初始化得到初始种群个体，利用预设算法对初始种群个体进行多次迭代，产生后代种群个体，在每代种群个体中确定N个种群个体，针对历史迭代确定出的所有种群个体中目标值最小的目标种群个体，变换目标种群个体中任一待装配订单的位置，产生新的第一种群个体，并在确定第一种群个体对应的目标值小于目标种群个体对应的目标值，则将第一种群个体中多个待装配订单的顺序确定为多个待装配订单的装配顺序。通过上述方式确定待装配订单的装配顺序，与现有技术中通过人为主观的方式进行调度相比，不仅能够避免人工调度的调度错误，而且能够优化订单完成时间，降低待装配订单的总完成时间，均衡各个装配线的负载能力，提高装配效率。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
图1为本发明实施例提供的一种装配调度方法的示意流程图；
图2为本发明实施例提供的一种装配调度方法的具体流程的流程示意图；
图3为本发明实施例提供的一种装配调度装置的结构示意图；
图4为本发明实施例提供的一种装配调度设备的结构示意图。
具体实施方式
以下结合附图对本申请的实施例进行说明，应当理解，此处所描述的实施例仅用于说明和解释本申请，并不用于限定本申请。
下面结合说明说附图，对本发明实施例提供的装配调度方法、装置、设备及介质的具体实施方式进行说明。
需要说明的是，本发明实施例提供的装配调度方案，不仅适用于电梯层站指示器装配车间的装配调度，其同样适用于其它装配车间的装配调度，本发明实施例对此不做限定。
以电梯层站指示器装配车间为例，电梯层站指示器车间装配线上共有多个不同的订单待装配，有多条处理订单能力不同的装配线，每个订单的大小不同，装配时间也不相同。订单在物料到达之后和装配之前首先需要配料，不同订单物料达到时间和配料时间也均不相同。为了实现装配线负载更均衡、最小化装配时间的目标，本发明实施例提供了一种装配调度方案。
如图1所示，本发明实施例提供的一种装配调度方法，可以包括如下步骤：
步骤101、基于预先获取的多个待装配订单，初始化得到多个表征订单装配顺序的初始种群个体，每个初始种群个体对应多个待装配订单的一种排列组合。
具体实施时，获取多个待装配订单后，对多个待装配订单进行排列组合，为了保证初始种群个体的分散性，可以采用随机初始化的方法生成均匀分布的多个初始种群个体，每个初始种群个体中待装配订单的排列组合顺序即为待装配订单的装配顺序。
步骤102，利用预设算法对初始种群个体进行多次迭代，产生后代种群个体，在每代种群个体中确定N个种群个体，N个种群个体为每代种群个体中种群个体对应的目标值升序排列前N的种群个体，种群个体对应的目标值为依种群个体中待装配订单的排列顺序装配完成所有订单的时刻，N为自然数。
具体利用预设算法对初始种群个体进行多次迭代，产生后代种群个体时，利用预设算法更新初始概率矩阵，并利用更新后的概率矩阵生成多个种群个体，将生成的多个种群个体作为当前次迭代的后代种群个体。
具体实施时，假设概率矩阵使用p表示，元素pij(gen)表示第gen次迭代中，订单j在第i个位置上或之前出现的概率。算法选择种群中目标值最小的N个种群个体作为优势群体，其中N＝η×popsize，η表示优势种群个体占整个种群个体的比例，其取值可以根据经验值预先设置，popsize为种群个体数量。
初始概率矩阵p可以基于初始种群个体中待装配订单的位置，根据下式(1)进行初始化：
Figure BDA0002455750970000061
其中，
Figure BDA0002455750970000062
是优势种群中第s个种群个体的示性函数，其具体取值如下公式(2)：
Figure BDA0002455750970000063
更新概率矩阵时，可以采用下述公式(3)进行更新：
Figure BDA0002455750970000071
其中，pij(gen+1)表示第gen+1次迭代中，订单j在第i个位置上或之前出现的概率，pij(gen)表示第gen次迭代中，订单j在第i个位置上或之前出现的概率，α∈(0，1)是矩阵p的学习速率。
步骤103，针对历史迭代确定出的所有种群个体中目标值最小的目标种群个体，变换目标种群个体中任一待装配订单的位置，产生新的第一种群个体，若确定第一种群个体对应的目标值小于目标种群个体对应的目标值，将第一种群个体中多个待装配订单的顺序确定为多个待装配订单的装配顺序。
具体实施时，在变换目标种群个体中任一待装配订单的位置时，可以采用随机数的方法，具体来说，随机选择u和v，然后将目标种群个体中u位置上的订单插入到第v个位置，如此产生新的第一种群个体，然后计算第一种群个体对应的目标值和目标种群个体对应的目标值。
当然，在本发明其它实施例中，变换目标种群个体中任一待装配订单的位置时，也可以采用其它方式，例如，针对任一订单，将其位置向前或者向后逐个移动，本发明实施例对此不做限定。
需要说明的是，种群个体对应的目标值可以采用如下公式(4)确定：
T＝min(max(rs,aj+pj)+tjs) (4)
其中，T为种群个体对应的目标值，min为求最小值函数，max为求最大值函数，rs为装配线s最早未占用时刻，aj为每个待装配订单所需物料的到达时刻，pj为每个待装配订单的配料时长，tjs为每个待装配订单的处理时长。
具体来说，在确定种群个体对应的目标值时，按照预设装配线分配规则依次完成种群个体中的所有待装配订单。其中，预设装配线分配规则可以为选择订单最早结束装配的装配线。
具体实施时，计算得到第一种群个体对应的目标值和目标种群个体对应的目标值后，根据第一种群个体对应的目标值和目标种群个体对应的目标值搜索最优种群个体，具体来说：
若确定第一种群个体对应的目标值小于目标种群个体对应的目标值，则将第一种群个体中多个待装配订单的顺序确定为多个待装配订单的装配顺序，并停止搜索。
若确定第一种群个体对应的目标值大于或等于目标种群个体对应的目标值，则循环执行如下步骤，直至确定当前第一种群个体对应的目标值小于当前目标种群个体对应的目标值，或者迭代次数大于或等于预设次数阈值：
变换当前第一种群个体中任一待装配订单的位置，生成当前第二种群个体；
若确定当前第二种群个体对应的目标值小于当前第一种群个体对应的目标值，将当前第二种群个体更新为第一种群个体，变换当前第一种群个体中任一待装配订单的位置，产生新的第二种群个体。
若确定当前第二种群个体对应的目标值小于当前目标种群个体对应的目标值，将当前第二种群个体中多个待装配订单的顺序确定为多个待装配订单的装配顺序。
若当前第一种群个体中每个待装配订单均已在当前第一种群个体的各个位置上排列(也即当前第一种群个体中任一订单均在每一位置上出现过，无新的排列组合形式)，则停止搜索并更新概率矩阵迭代产生新的种群个体，若迭代次数大于或等于预设次数阈值，且未搜索出目标值小于当前目标种群个体目标值的第一种群个体或第二种群个体，则将目标种群个体中多个待装配订单的顺序确定为多个待装配订单的装配顺序。
其中，预设次数阈值可以根据经验值设定，例如，预设次数阈值可以取值为10，20等。当前第一种群个体、当前第二种群个体、以及当前目标种群个体并不是一成不变的，其均是指每一轮循环过程中所使用的种群个体。
本发明实施例提供的装配调度方案中，在种群个体中搜索最优种群个体时，通过引入对目标值最小的种群个体的局部搜索，能够平衡算法的局部搜索和全局搜索能力，提高计算效率。
下面结合图2对本发明实施例提供的装配调度方法的具体流程进行详细说明，如图2所示，本发明实施例提供的装配调度方法的具体流程，包括：
步骤201，获取多个待装配订单。
步骤202，对多个待装配订单进行随机排列组合，得到初始种群个体。
步骤203，初始化概率矩阵。具体初始化概率矩阵时可以采用本发明上述实施例步骤102中所描述的方式，此处不再赘述。
步骤204，迭代产生新的种群个体，并在迭代产生的种群个体中选择优势种群个体。其中，选择优势种群即为在种群个体中确定N个目标值较小的种群个体。
步骤205，进行局部搜索。具体如下：
针对历史迭代确定出的所有种群个体中目标值最小的目标种群个体，变换目标种群个体中任一待装配订单的位置，产生新的第一种群个体，若确定第一种群个体对应的目标值大于或等于目标种群个体对应的目标值，则循环执行如下步骤：
变换当前第一种群个体中任一待装配订单的位置，生成当前第二种群个体；
若确定当前第二种群个体对应的目标值大于或等于当前目标种群个体对应的目标值，且小于当前第一种群个体对应的目标值，将当前第二种群个体更新为第一种群个体，变换当前第一种群个体中任一待装配订单的位置，产生新的第二种群个体；
若当前第一种群个体中每个待装配订单均已在当前第一种群个体的各个位置上排列，则执行步骤208。
步骤206，判断是否满足搜索停止条件，若是，执行步骤207，否则，执行步骤208。
具体实施时，搜索停止条件即为当前第一种群个体对应的目标值小于当前目标种群个体对应的目标值，或者迭代次数大于或等于预设次数阈值。
步骤207，停止搜索，将满足条件的种群个体中多个待装配订单的顺序确定为多个待装配订单的装配顺序。
具体来说，若当前第一种群个体对应的目标值小于当前目标种群个体对应的目标值，则将当前第一种群个体中多个待装配订单的顺序确定为多个待装配订单的装配顺序；若当前第二种群个体对应的目标值小于当前第一种群个体对应的目标值，则将当前第二种群个体中多个待装配订单的顺序确定为多个待装配订单的装配顺序；若未搜索到目标值小于当前目标种群个体对应的目标值的第一种群个体或者第二种群个体，则将目标种群个体中多个待装配订单的顺序确定为多个待装配订单的装配顺序。
步骤208，更新概率矩阵，并继续执行步骤204。
基于相同的发明构思，本发明实施例还提供一种装配调度装置。如图3所示，本发明实施例提供一种装配调度装置，包括：
初始化单元301，用于基于预先获取的多个待装配订单，初始化得到多个表征订单装配顺序的初始种群个体，每个初始种群个体对应多个待装配订单的一种排列组合；
采样单元302，用于利用预设算法对初始种群个体进行多次迭代，产生后代种群个体，在每代种群个体中确定N个种群个体，N个种群个体为每代种群个体中种群个体对应的目标值升序排列前N的种群个体，种群个体对应的目标值为依种群个体中待装配订单的排列顺序装配完成所有订单的时刻，N为自然数；
处理单元303，用于针对历史迭代确定出的所有种群个体中目标值最小的目标种群个体，变换目标种群个体中任一待装配订单的位置，产生新的第一种群个体，若确定第一种群个体对应的目标值小于目标种群个体对应的目标值，将第一种群个体中多个待装配订单的顺序确定为多个待装配订单的装配顺序。
在一种可能的实施方式中，处理单元303还用于：
若确定第一种群个体对应的目标值大于或等于目标种群个体对应的目标值，则循环执行如下步骤，直至确定当前第一种群个体对应的目标值小于当前目标种群个体对应的目标值，或者迭代次数大于或等于预设次数阈值：
变换当前第一种群个体中任一待装配订单的位置，生成当前第二种群个体；
若确定当前第二种群个体对应的目标值小于当前第一种群个体对应的目标值，将当前第二种群个体更新为第一种群个体，变换当前第一种群个体中任一待装配订单的位置，产生新的第二种群个体。
在一种可能的实施方式中，处理单元303还用于：
若确定当前第二种群个体对应的目标值小于当前目标种群个体对应的目标值，将当前第二种群个体中多个待装配订单的顺序确定为多个待装配订单的装配顺序。
在一种可能的实施方式中，本发明实施例提供的装配调度装置中，采样单元302，具体用于：
利用预设算法更新初始概率矩阵，并利用更新后的概率矩阵生成多个种群个体，将生成的多个种群个体作为当前次迭代的后代种群个体，其中，初始概率矩阵是基于初始种群个体确定的。
在一种可能的实施方式中，本发明实施例提供的装配调度装置中，种群个体对应的目标值采用如下公式确定：
T＝min(max(rs,aj+pj)+tjs)
其中，T为种群个体对应的目标值，min为求最小值函数，max为求最大值函数，rs为装配线s最早未占用时刻，aj为每个待装配订单所需物料的到达时刻，pj为每个待装配订单的配料时长，tjs为每个待装配订单的处理时长。
图3所示装配调度装置各单元的具体实现可参见前述装配调度方法实施例，在此不再赘述。
另外，结合图1-图3描述的本发明实施例的装配调度方法和装置可以由装配调度设备来实现。图4示出了本发明实施例提供的装配调度设备的硬件结构示意图。
装配调度设备可以包括处理器401以及存储有计算机程序指令的存储器402。
具体地，上述处理器401可以包括中央处理器(CPU)，或者特定集成电路(Application Specific Integrated Circuit，ASIC)，或者可以被配置成实施本发明实施例的一个或多个集成电路。
存储器402可以包括用于数据或指令的大容量存储器。举例来说而非限制，存储器402可包括硬盘驱动器(Hard Disk Drive，HDD)、软盘驱动器、闪存、光盘、磁光盘、磁带或通用串行总线(Universal Serial Bus，USB)驱动器或者两个或更多个以上这些的组合。在合适的情况下，存储器402可包括可移除或不可移除(或固定)的介质。在合适的情况下，存储器402可在数据处理装置的内部或外部。在特定实施例中，存储器402是非易失性固态存储器。在特定实施例中，存储器402包括只读存储器(ROM)。在合适的情况下，该ROM可以是掩模编程的ROM、可编程ROM(PROM)、可擦除PROM(EPROM)、电可擦除PROM(EEPROM)、电可改写ROM(EAROM)或闪存或者两个或更多个以上这些的组合。
处理器401通过读取并执行存储器402中存储的计算机程序指令，以实现上述实施例中的任意一种装配调度方法。
在一个示例中，装配调度设备还可包括通信接口403和总线410其中，如图4所示，处理器401、存储器402、通信接口403通过总线410连接并完成相互间的通信。
通信接口403，主要用于实现本发明实施例中各模块、装置、单元和/或设备之间的通信。
总线410包括硬件、软件或两者，将装配调度设备的部件彼此耦接在一起。举例来说而非限制，总线可包括加速图形端口(AGP)或其他图形总线、增强工业标准架构(EISA)总线、前端总线(FSB)、超传输(HT)互连、工业标准架构(ISA)总线、无限带宽互连、低引脚数(LPC)总线、存储器总线、微信道架构(MCA)总线、外围组件互连(PCI)总线、PCI-Express(PCI-X)总线、串行高级技术附件(SATA)总线、视频电子标准协会局部(VLB)总线或其他合适的总线或者两个或更多个以上这些的组合。在合适的情况下，总线410可包括一个或多个总线。尽管本发明实施例描述和示出了特定的总线，但本发明考虑任何合适的总线或互连。
装配调度设备可以基于获取到的用户语音数据，执行本发明实施例中的装配调度方法，从而实现结合图1-图3描述的装配调度方法和装置。
装配调度设备可以为具有语音功能的智能设备内部的控制器或者控制中心，也可以为与该智能设备通信的外部设备。该智能设备具体可以但不限于为机器人，当智能设备具体为机器人时，装配调度设备具体可以为机器人内部的控制器或者控制中心，也可以为与机器人通信的外部设备(例如，服务器、移动终端等)，本发明实施例对此不做限定。
另外，结合上述实施例中的装配调度方法，本发明实施例可提供一种计算机可读存储介质来实现。该计算机可读存储介质上存储有计算机程序指令；该计算机程序指令被处理器执行时实现上述实施例中的任意一种装配调度方法。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (12)

1.一种装配调度方法，其特征在于，包括：
基于预先获取的多个待装配订单，初始化得到多个表征订单装配顺序的初始种群个体，每个初始种群个体对应所述多个待装配订单的一种排列组合；
利用预设算法对所述初始种群个体进行多次迭代，产生后代种群个体，在每代种群个体中确定N个种群个体，所述N个种群个体为每代种群个体中种群个体对应的目标值升序排列前N的种群个体，所述种群个体对应的目标值为依所述种群个体中待装配订单的排列顺序装配完成所有订单的时刻，N为自然数；
针对历史迭代确定出的所有种群个体中目标值最小的目标种群个体，变换所述目标种群个体中任一待装配订单的位置，产生新的第一种群个体，若确定所述第一种群个体对应的目标值小于所述目标种群个体对应的目标值，将所述第一种群个体中多个待装配订单的顺序确定为所述多个待装配订单的装配顺序。
2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
若确定所述第一种群个体对应的目标值大于或等于所述目标种群个体对应的目标值，则循环执行如下步骤，直至确定当前第一种群个体对应的目标值小于当前目标种群个体对应的目标值，或者迭代次数大于或等于预设次数阈值：
变换当前第一种群个体中任一待装配订单的位置，生成当前第二种群个体；
若确定当前第二种群个体对应的目标值小于当前第一种群个体对应的目标值，将当前第二种群个体更新为第一种群个体，变换当前第一种群个体中任一待装配订单的位置，产生新的第二种群个体。
3.根据权利要求2所述的方法，其特征在于，所述方法还包括：
若确定当前第二种群个体对应的目标值小于当前目标种群个体对应的目标值，将当前第二种群个体中多个待装配订单的顺序确定为所述多个待装配订单的装配顺序。
4.根据权利要求1所述的方法，其特征在于，所述利用预设算法对所述初始种群个体进行多次迭代，产生后代种群个体，包括：
利用预设算法更新初始概率矩阵，并利用更新后的概率矩阵生成多个种群个体，将生成的多个种群个体作为当前次迭代的后代种群个体，其中，所述初始概率矩阵是基于所述初始种群个体确定的。
5.根据权利要求1-4中任一项所述的方法，其特征在于，所述目标值采用如下公式确定：
T＝min(max(rs,aj+pj)+tjs)
其中，T为种群个体对应的目标值，min为求最小值函数，max为求最大值函数，rs为装配线s最早未占用时刻，aj为每个待装配订单所需物料的到达时刻，pj为每个待装配订单的配料时长，tjs为每个待装配订单的处理时长。
6.一种装配调度装置，其特征在于，包括：
初始化单元，用于基于预先获取的多个待装配订单，初始化得到多个表征订单装配顺序的初始种群个体，每个初始种群个体对应所述多个待装配订单的一种排列组合；
采样单元，利用预设算法对所述初始种群个体进行多次迭代，产生后代种群个体，在每代种群个体中确定N个种群个体，所述N个种群个体为每代种群个体中种群个体对应的目标值升序排列前N的种群个体，所述种群个体对应的目标值为依所述种群个体中待装配订单的排列顺序装配完成所有订单的时刻，N为自然数；
处理单元，用于针对历史迭代确定出的所有种群个体中目标值最小的目标种群个体，变换所述目标种群个体中任一待装配订单的位置，产生新的第一种群个体，若确定所述第一种群个体对应的目标值小于所述目标种群个体对应的目标值，将所述第一种群个体中多个待装配订单的顺序确定为所述多个待装配订单的装配顺序。
7.根据权利要求6所述的装置，其特征在于，所述处理单元还用于：
若确定所述第一种群个体对应的目标值大于或等于所述目标种群个体对应的目标值，则循环执行如下步骤，直至确定当前第一种群个体对应的目标值小于当前目标种群个体对应的目标值，或者迭代次数大于或等于预设次数阈值：
变换当前第一种群个体中任一待装配订单的位置，生成当前第二种群个体；
若确定当前第二种群个体对应的目标值小于当前第一种群个体对应的目标值，将当前第二种群个体更新为第一种群个体，变换当前第一种群个体中任一待装配订单的位置，产生新的第二种群个体。
8.根据权利要求7所述的装置，其特征在于，所述处理单元还用于：
若确定当前第二种群个体对应的目标值小于当前目标种群个体对应的目标值，将当前第二种群个体中多个待装配订单的顺序确定为所述多个待装配订单的装配顺序。
9.根据权利要求6所述的装置，其特征在于，所述采样单元，具体用于：
利用预设算法更新初始概率矩阵，并利用更新后的概率矩阵生成多个种群个体，将生成的多个种群个体作为当前次迭代的后代种群个体，其中，所述初始概率矩阵是基于所述初始种群个体确定的。
10.根据权利要求6-9中任一项所述的装置，其特征在于，所述目标值采用如下公式确定：
T＝min(max(rs,aj+pj)+tjs)
其中，T为种群个体对应的目标值，min为求最小值函数，max为求最大值函数，rs为装配线s最早未占用时刻，aj为每个待装配订单所需物料的到达时刻，pj为每个待装配订单的配料时长，tjs为每个待装配订单的处理时长。
11.一种装配调度设备，其特征在于，包括：至少一个处理器、至少一个存储器以及存储在存储器中的计算机程序指令，当计算机程序指令被处理器执行时实现如权利要求1-5中任一项所述的装配调度方法。
12.一种计算机存储介质，其特征在于，其上存储有计算机程序指令，当计算机程序指令被所述装配调度设备的处理器执行时实现如权利要求1-5中任一项所述的装配调度方法。
CN202010305837.2A 2020-04-17 2020-04-17 一种装配调度方法、装置、设备及介质 Pending CN111539611A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010305837.2A CN111539611A (zh) 2020-04-17 2020-04-17 一种装配调度方法、装置、设备及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010305837.2A CN111539611A (zh) 2020-04-17 2020-04-17 一种装配调度方法、装置、设备及介质

Publications (1)

Publication Number Publication Date
CN111539611A true CN111539611A (zh) 2020-08-14

Family

ID=71952261

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010305837.2A Pending CN111539611A (zh) 2020-04-17 2020-04-17 一种装配调度方法、装置、设备及介质

Country Status (1)

Country Link
CN (1) CN111539611A (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102929263A (zh) * 2012-11-16 2013-02-13 北京理工大学 一种混合流水车间调度方法
CN104049612A (zh) * 2014-06-19 2014-09-17 清华大学 基于分布估计的加工车间调度方法
CN104536387A (zh) * 2014-11-20 2015-04-22 昆明理工大学 一种液晶电视机的生产装配过程的优化调度方法
US20180157977A1 (en) * 2016-12-05 2018-06-07 Tata Consultancy Services Limited Training inductive logic programming enhanced deep belief network models for discrete optimization
CN109918771A (zh) * 2019-03-05 2019-06-21 北京工业大学 一种多时间因素下混合流水锻造车间的节能调度模型
CN110378462A (zh) * 2019-06-22 2019-10-25 南京理工大学 求解带准备时间置换流水车间调度问题的改进eda算法
CN110598920A (zh) * 2019-08-29 2019-12-20 华中科技大学 用于铸造并行车间主生产计划的多目标优化方法及系统

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102929263A (zh) * 2012-11-16 2013-02-13 北京理工大学 一种混合流水车间调度方法
CN104049612A (zh) * 2014-06-19 2014-09-17 清华大学 基于分布估计的加工车间调度方法
CN104536387A (zh) * 2014-11-20 2015-04-22 昆明理工大学 一种液晶电视机的生产装配过程的优化调度方法
US20180157977A1 (en) * 2016-12-05 2018-06-07 Tata Consultancy Services Limited Training inductive logic programming enhanced deep belief network models for discrete optimization
CN109918771A (zh) * 2019-03-05 2019-06-21 北京工业大学 一种多时间因素下混合流水锻造车间的节能调度模型
CN110378462A (zh) * 2019-06-22 2019-10-25 南京理工大学 求解带准备时间置换流水车间调度问题的改进eda算法
CN110598920A (zh) * 2019-08-29 2019-12-20 华中科技大学 用于铸造并行车间主生产计划的多目标优化方法及系统

Similar Documents

Publication Publication Date Title
CN111539610A (zh) 一种装配车间的生产管理系统、方法、装置、设备及介质
CN108320017B (zh) 卷积神经网络优化方法、系统、设备及介质
CN110135582B (zh) 神经网络训练、图像处理方法及装置、存储介质
Babaei et al. A genetic algorithm for the simultaneous lot sizing and scheduling problem in capacitated flow shop with complex setups and backlogging
US20200342315A1 (en) Method, device and computer program for creating a deep neural network
CN114330863A (zh) 时间序列预测处理方法、装置、存储介质及电子装置
Fadaei et al. Scheduling a bi-objective hybrid flow shop with sequence-dependent family setup times using metaheuristics
CN109447428B (zh) 整车生产线序排产的确定方法、装置及智能终端
CN111445191A (zh) 一种配送难度的预估方法、装置和存储介质
CN114781654A (zh) 联邦迁移学习方法、装置、计算机设备及介质
CN111539611A (zh) 一种装配调度方法、装置、设备及介质
WO2024022054A1 (zh) 柔性作业车间生产调度方法及装置
CN116993135A (zh) 基于等待时间约束的多阶段排序及预约调度方法及装置
CN110609739B (zh) 一种基于多目标进化算法的列车周期信息调度方法及系统
CN113128696A (zh) 分布式机器学习通信优化方法、装置、服务器及终端设备
US20130204818A1 (en) Modeling method of neuro-fuzzy system
CN109377111A (zh) 基于改进模拟退火算法的作业调度方法和装置
CN115986729A (zh) 基于源网荷储数据驱动模型的求解方法、装置以及设备
CN115879845A (zh) 货物调度策略的确定方法及装置、非易失性存储介质
CN114415615A (zh) 不确定需求下混流装配线平衡分配方法及装置
CN110751284B (zh) 一种异构信息网络嵌入方法、装置、电子设备及存储介质
CN111242803A (zh) 基于多种群遗传算法的风机排布方法及装置
CN110032902B (zh) 一种基于单亲遗传算法的阅读器防碰撞方法及其装置
CN112784952B (zh) 一种卷积神经网络运算系统、方法及设备
CN109190761A (zh) 数据处理方法、装置、设备及存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination